Power Automate สิ่งที่ต้องรู้

Blog

Power Automate สิ่งที่ต้องรู้ Power Automate สามารถใช้งานได้ในกลยุทธ์แพลตฟอร์มของแอปพลิเคชันทางธุรกิจโดยรวมของ Microsoft อย่างไร Power Automate เป็นส่วนหนึ่งของแพลตฟอร์มของแอปพลิเคชันธุรกิจ ซึ่งประกอบด้วย Power Apps Common Data Service Dynamics 365 และ Office 365 สามารถสร้างโซลูชันตามวัตถุประสงค์สำหรับบริษัทของตน ผู้ใช้งานสายงานธุรกิจที่เข้าใจความต้องการทางธุรกิจของตนดีที่สุด ตอนนี้สามารถวิเคราะห์ เขียน และปรับปรุงประสิทธิภาพข้อมูลและกระบวนการต่างๆ ของตนได้อย่างง่ายดาย นักพัฒนามืออาชีพสามารถขยายระบบอัตโนมัติ การวิเคราะห์ และแอปสายงานธุรกิจเพื่อใช้ประโยชน์จากบริการต่างๆ ของ Azure ได้อย่างง่ายดาย เช่น Functions, App Service และ Logic Apps ตัวเชื่อมต่อ API เกตเวย์ และ Common Data Service ช่วยให้คุณสามารถได้รับค่ามากขึ้นจากบริการหรือข้อมูลที่ใช้อยู่แล้ว ในระบบคลาวด์ หรือ on-premises นี้คือขีดจำกัดของ Power Automate…

ข้อกำจัดของ Power Automate

Blog

ข้อกำจัดของ Power Automate Power Automate มีหลาย Version มาก และบาง Version ก็มีมาให้ใน Office 365 และ ใน Feature ของ Power Automate เองก็มีในบาง Version เช่น RPA , AI ทำให้เกิดความสับสนในการเลือกใช้ Version เป็นอย่างมากดังนั้นตอนนี้ผมเลยเอารายละเอียดต่างๆ ในเชิงลึกของ Power Automate มาให้ดูกันครับ ผู้ใช้ทั้งหมดของ Microsoft Power Platform มีข้อจำกัดเกี่ยวกับจำนวนคำขอตามใบอนุญาตที่ได้รับมอบหมาย ตารางต่อไปนี้กำหนดจำนวนคำขอที่ผู้ใช้สามารถทำได้ในระยะเวลา 24 ชั่วโมง: สิทธิ์การใช้งานของผู้ใช้ จำนวนคำขอ API/24 ชั่งโมง แอปพลิเคชัน Dynamics 365 Enterprise1 20,000 Dynamics 365 Professional2 10,000 Dynamics 365…

สอนสร้างใบเบิกเงินสดด้วย PowerApps

Blog

สอนสร้างใบเบิกเงินสดด้วย PowerApps วันนี้มาสอนการสร้างใบเบิกเงินสดย่อย ด้วย PowerApps กันครับ แล้วมีส่วนของ Power Automate มาทำในขั้นตอนการ Approve ด้วยครับ สำหรับผู้สอนเป็น น้องใหม่เขียน Code ไม่เป็น โดยก่อนการสอน ให้ทดลองสร้าง ใบเบิกเงินสด ก่อน 2 วัน แล้วให้มาสอนเลย ที่ผมอยากให้เห็น คือ ขั้นตอนการสร้าง จากน้องใหม่ไม่มีประสบการณ์ใดๆ แน่นอนว่า Technical ยังไม่แน่น แต่ก็สามารถสร้างระบบให้บริษัทเราใช้ได้ Design Expend Solution ขั้นตอนการทำงานระบบ เริ่มจาก User ที่เข้าไปเขียนคำขอเบิกที่ Power Apps สำหรับพนักงานที่มี license 365 สามารถเข้าไป request ที่ตรงนี้ได้ทุกคน แต่ คนที่ไม่มี License จะไม่สามารถเข้าไปใช้ได้นะครับ ข้อมูลจะนำไปเก็บที่ Sharepoint และ ใช้ Work…

สร้าง Digital Workplace

Blog

สร้าง Digital Workplace คำว่า Digital Workplace นั้นหมายถึง การสร้างพื้นที่การทำงานของเราใน หน้าจอ Computer หรือการย้าย Office ของเราเข้าไปอยู่ในโลก Digital ประโยชน์จากการสร้าง พื้นที่ในโลก Digital อย่างแรกคือ ไม่ต้องเช่า Office ให้ใหญ่โต การทำงานจากที่ไหนก็ได้ ความรวดเร็วในการทำงาน ในโลกที่ไม่มีกระดาษ ทุกอย่างเป็นข้อมูล การส่งงานจากกระดาษ เป็นข้อมูล ทำให้การให้บริการเร็วขึ้น ตอนนี้เราลองมาดูกันเลยครับว่า เราสร้างขึ้นมาได้ยังไง ตัวอย่าง Design สำหรับเจ้าหน้าที่จัดซื้อ ระบบการทำงานทำจาก Power Apps มาเป็นตัวช่วยในการส่ง Email ให้กับเจ้าหน้าที่ที่ต้องมีการติดต่อประสานงานอยู่เสมอ ช่วยให้พนักงานส่ง Email จากระบบด้วยข้อความที่เป็น Standard และ สามารถให้ Supplier โต้ตอบกลับมาได้ทันที Reference Sharepoint Contact Fusion Paperless

เทียบ AWS Azure Google

Blog

เปรียบเทียบ AWS Azure Google บริษัทเลือกใช้ Cloud เจ้าไหนกันบ้างครับ ผมไม่นับของ Local ที่มีมากมายในประเทศ คัดเอามาแต่เจ้าใหญ่ ๆ เบอร์ 1,2,3 ของโลก ที่ผมเอามาเปรียบเทียบกัน ทั้ง 3 เจ้านี้เข้ามาแข่งกันในไทยอย่างดุเดือด แลัวตอนนี้ยังมี huawei อีกเจ้าที่เปิดตัวมาแรง ตั้ง Data Center ในไทย 3 ที่อันนี้เจ้าอื่นไม่มี มารวมตอบแบบสอบถามเกี่ยวกับ Cloud โดยการ Click ที่ภาพด้านล่างนี้ครับ AWS เปิดตัว edge location ในไทย บริการนี้เป็นจุดส่งต่อข้อมูลจาก region ของคลาวด์ไปยังผู้ใช้ปลายทาง ทำให้ลดความหน่วง (latency) ของผู้ใช้โดยอาศัยการแคชข้อมูลบางส่วนในไทย และลดเวลาการเชื่อมต่อที่ต้องส่งข้อมูลไปมาหลายครั้งเช่นการเชื่อมต่อ TLS ในการเปิดตัวครั้งนี้ทาง AWS ระบุว่ามีลูกค้าเริ่มทดลองใช้งานแล้ว เช่น BBTV, Pomelo, และ TrueIDC ก่อนหน้านี้บริการที่ตั้งเซิร์ฟเวอร์อยู่บน…

Cluster Analysis

Blog

บทที่ 22-Cluster Analysis วิธีการทำ Clustering หรือ Cluster Analysis ของข้อมูล Call Center ด้วย AzureML Clustering เป็นโมเดลประเภท Unsupervised Learning โดยเป็นโมเดลที่ใช้ในการจัดกลุ่ม ซึ่งสามารถจัดกลุ่มลูกค้า หรือกลุ่มของสิ่งต่าง ๆ ที่เราต้องการเพื่อสร้างกลยุทธ์ที่จะนำมาใช้กับกลุ่มต่าง ๆ หรือแม้แต่การค้นหากลุ่มที่มีความแตกต่างในฐานข้อมูลลูกค้า โดยข้อมูลหรือ object ที่เป็นกลุ่มเดียวกันเราจะเรียกว่า cluster ซึ่งข้อมูลอยู่ในกลุ่มเดียวกันจะมีลักษณะที่เหมือนกัน ซึ่งข้อมูลที่เรานำมาทำ Clustering ในวันนี้คือข้อมูล Call Center ที่เราต้องการแบ่งกลุ่มของ data set นี้ออกเป็น 4 กลุ่มเพื่อจะได้นำไปสร้างกลยุทธ์ให้เหมาะสมกับลูกค้าในแต่ละกลุ่ม ข้อมูลเราจะมีทั้งหมด 111 แถว 2 คอลัมน์คือ Experience in months และ Call Attended in a day โดยวิธีการ…

linear Regression

Blog

บทที่ 21-linear Regression วิธีทำนายราคารถยนต์ด้วย linear Regression แบบ Ordinary Least Square (OLS) และ Online Gradient Descent โดย AzureML เมื่อเราพูดถึงโมเดลแบบ Regression ที่เราต้องการทำนายหรือคาดการณ์สิ่งต่าง ๆ เชิงตัวเลขนั้นโมเดลที่เรานึกถึงเป็นอันดับแรกคือ linear Regression ซึ่งใน AzureML สามารถทำ linear Regression ได้สองวิธีคือ Ordinary Least Square (OLS) วิธีการนี้เราต้องการที่จะ Minimum Error เพื่อให้มี error น้อยที่สุดโดยใช้วิธีกำลังสองน้อยที่สุดนั้นคือ เราต้องการจะ minimum Online Gradient Descent Gradient Descent มีความหมายคือ slopที่ลาดลง เราจะทำการวัดประสิทธิภาพของโมเดลเราด้วยค่า error นั้นก็คือ Cost Function โดยมีเป้าหมายคือหาชุด…

Decision Forest Regression

Blog

บทที่ 20-Decision Forest Regression วิธีการทำนายราคารถยนต์ด้วยโมเดล Decision Forest Regression ง่าย ๆ แค่ใช้ AzureML Decision tree และ Random Forest เป็นโมเดลในการทำ Classification ที่หลาย ๆ คนคงคุ้นเคยเป็นอย่างดีแต่ตัว Decision tree และ Random Forest ไม่ได้ทำได้แค่การทำ Classification เพียงเท่านั้นยังสามารถทำ Regression หรือการทำนายผลลัพธ์ในเชิงตัวเลขได้อีกด้วย โดยการแบ่งต้นไม้สามารถทำได้ดังรูป ผลลัพธ์ของ Decision Tree Regression จากมาจากค่าเฉลี่ยของแต่ละพื้นที่ในทุก ๆ พื้นที่หรือทุก ๆ ใบของ tree อาจเส้นการถดถอบสำหรับ data points ในแต่ละพื้นที่ และการนำ Decision tree หลาย ๆ ต้นมาวิเคราะห์แล้วหาค่าเฉลี่ยกันเราจะเรียกว่า  Random Forest…

Two-Class Decision Forest

Blog

บทที่ 19-Two-Class Decision Forest วิธีการ Classification รายได้ด้วยโมเดล Two-Class Decision Forest โดย AzureML วิธีการ Classification ข้อมูลนั้นมีหลากหลายวิธีการให้เราได้เลือกมาใช้ในการแยกข้อมูลของเราและหนึ่งในวิธีการที่นิยมถูกนำมาใช้ในการ Classification คือ Random Forest หรือ Decision Forest โมเดลที่เกิดจากการนำ Decision tree หลาย ๆ ต้นในการ Classify ข้อมูลของเราจากนั้นจะทำการโหวตผลลัพธ์ที่ได้มากที่สุดจากต้นไม้ทุกต้น ข้อมูลที่เราต้องการจะทำการ  Classify วันนี้คือชุดข้อมูลที่ชื่อว่า Adult Census Income ที่มี 32561 แถว และ 15 คอลัมน์โดยมีเป้าหมายคือต้องการแยกประเภทของรายได้ของประชากร โดยการแยกเป็น 2 ประเภทคือ ผู้ที่มีรายได้น้อยกว่าหรือเท่ากับ 50000 และผู้ที่มีรายได้มากกว่า 50000 บาท โดยข้อมูลของเรามี feature ที่ช่วยในการทำ Classification ทั้งหมด…

Two-Class Boosted Decision Tree

Blog

บทที่ 18-Two Class Boosted Decision Tree Boosted Decision Tree เป็นโมเดลแบบ Supervised Learning method และเป็นโมเดลแบบ Ensamble แบบ Boosting หรือการนำ Weak Classifier (แม่นยำต่ำ) มาทำนายข้อมูลที่เรามีจากนั้นให้ weak ตัวใหม่แก้ไข error เรื่อย ๆ เป็น Decision Tree ต่อกันเป็นลำดับหลาย ๆ ต้น ซึ่งวิธีการนี้จะทำนายความซับซ้อนได้ดีกว่าแบบ Bagging ที่นำผลจาก Decision Tree มาโหวตกัน แต่มีข้อเสียคือใช้เวลานานกว่านั้นเองค่ะ Dataset ที่เราต้องการจะทำ Classification ในวันนี้คือ Bank Telemarketing หรือการทำการตลาดทางโทรศัพท์ของธนาคาร ซึ่งข้อมูลมีจำนวน 41188 แถว 21 คอลัมน์ และเป้าหมายที่เราต้องการคาดการณ์หรือ Classify คือลูกค้าที่ทางธนาคารโทรไปเสนอขายสินค้าทางโทรศัพท์จะสมัครรับสินค้าหรือไม่…